如何使用 Pandas Melt() 將列轉換為行？

使用 Pandas 將列轉換為行

在資料分析中，重組資料集以提高可讀性和分析能力非常有用。常見的轉換涉及將列轉換為行。本文介紹如何使用 Pandas 函式庫執行此操作。

考慮一個在列標題中儲存了位置和日期特定資訊的資料集，如下所示：

| location | name | Jan-2010 | Feb-2010 | March-2010 |
|---|---|---|---|---|
| A        | "test" | 12 | 20 | 30 |
| B        | "foo"  | 18 | 20 | 25 |

目標是將資料重塑為每個日期對應一行的格式，如下所示：

| location | name | Date | Value |
|---|---|---|---|
| A        | "test" | Jan-2010 | 12 |
| A        | "test" | Feb-2010 | 20 |
| A        | "test" | March-2010 | 30 |
| B        | "foo"  | Jan-2010 | 18 |
| B        | "foo"  | Feb-2010 | 20 |
| B        | "foo"  | March-2010 | 25 |

為了實現此轉換，Pandas 提供了熔化功能。只需將 Melt 套用到 DataFrame，指定要保留的欄位作為行標識符 (id_vars) 以及新列的列標題（var_name 和 value_name）。

import pandas as pd

df.melt(id_vars=["location", "name"],
        var_name="Date",
        value_name="Value")

對於0.20 之前的Pandas 版本，略有不同需要不同的方法，包括融合和排序的組合：

df2 = pd.melt(df,
                  id_vars=["location", "name"], 
                  var_name="Date",
                  value_name="Value")

df2 = df2.sort(["location", "name"])

記住重置索引以確保乾淨輸出：

df2.reset_index(drop=True)

該技術提供了一種重塑資料框的便捷方法，有助於表格資料的分析和呈現。

以上是如何使用 Pandas Melt() 將列轉換為行？的詳細內容。更多資訊請關注PHP中文網其他相關文章！